而今，人們對邊緣計算寄予了愈來愈多的希望。該行業充滿了大膽的想法，比如“邊緣將吞噬云”，實時自動化將遍布醫療保健、零售和制造業。

專家們一致認為，邊緣計算將在幾乎所有企業的數字化轉型中發揮重要作用。但卻進展緩慢。傳統觀念阻礙了企業充分利用實時決策和資源配置的優勢。要了解這種情況發生的方式和原因，讓我們回顧一下邊緣計算的第一波浪潮，以及從那以后發生了什么。

第一波邊緣計算：物聯網(IoT)

對于大多數行業來說，邊緣的概念與物聯網(IoT)的第一波浪潮緊密相關。當時，人們大部分重點都集中在從安裝在所有東西上的小型傳感器收集數據，然后將這些數據傳輸到一個中心位置——譬如云或主數據中心。

然后，這些數據流必須與通常所說的傳感器融合相關聯。當時，傳感器的經濟性、電池壽命和普及度常常導致數據流過于有限，且保真度較低。另外，用傳感器改造現有設備的成本往往過高。雖然傳感器本身價格低廉，但安裝耗時，且需要訓練有素的人員來完成。最后，使用傳感器融合分析數據所需的專業知識嵌入到跨組織員工的知識庫中。這導致物聯網的采用率放緩。

另外，對安全的擔憂也影響了物聯網的大規模應用。計算方法很簡單:跨越多個地點的數千臺連接設備，相當于一個巨大且通常未知的暴露量。考慮到潛在的風險超過了未經證實的好處，很多人采取觀望的謹慎態度。

超越物聯網1.0

而現在愈來愈清楚的是，邊緣不在于物聯網，而在于跨分布式站點和地理位置的運營進行實時決策。在IT以及愈來愈多的工業環境中，我們將這些分布式數據源稱為“邊緣”。我們將來自數據中心或云之外的所有這些位置的決策稱為“邊緣計算”。

邊緣無處不在——我們生活的地方、工作的地方以及人類活動發生的地方。稀疏的傳感器覆蓋范圍已通過更新和更靈活的傳感器解決。各種集成傳感器帶來了新的資產和技術。現在，傳感器通常會增加高分辨率/高保真成像(x射線設備、激光雷達)。

額外的傳感器數據、成像技術，以及將所有這些相關聯的需求結合在一起，會使每秒產生數兆字節的數據。為了從這些龐大的數據流中獲得結果，現在在數據產生的地方部署了計算能力。

原因很簡單，邊緣位置和云之間沒有足夠的可用帶寬和時間。在短期內，邊緣的數據最重要。現在可以在邊緣實時分析和使用數據，而不是稍后在云端進行處理和分析。為了獲得更高水平的效率和卓越的運營，計算必須在邊緣進行。

這并不是說云無關緊要。云仍然在邊緣計算中扮演著重要的角色，因為其是一個很好的地方，可以在所有位置上部署邊緣和管理。比如，云提供了對來自其他地點的應用程序和數據的訪問，以及遠程專家來管理全世界的系統、數據和應用程序。另外，云可用于分析跨多個位置的大型數據集，顯示隨時間變化的趨勢，并生成預測分析模型。

所以，邊緣在于理解大量分散在地理位置上的大型數據流。人們必須采用這種對邊緣的新認知，才能真正了解邊緣計算的可能性。

實時邊緣分析

與幾年前相比，而今在邊緣地帶能做的事情是驚人的。現在，數據可以從大量的傳感器和攝像機中產生，而不是局限于少數幾個傳感器。然后，這些數據將在比20年前功能強大數千倍的計算機上進行分析——所有這些都以合理的成本進行。

且現在，高核數CPU和GPU以及高吞吐量網絡和高分辨率攝像頭已經唾手可得，這使得實時邊緣分析成為現實。在邊緣(業務活動發生的地方)部署實時分析可以幫助企業了解其運營，并立即做出響應。有了這些知識，很多操作可以進一步自動化，從而提高生產力，并減少損失。

讓我們來考慮一些當今實時邊緣分析的例子:

1. 超市欺詐防范

很多超市現在使用某種形式的自助結賬，不幸的是，他們也看到愈來愈多的欺詐。邪惡的購物者可以用更便宜的條形碼代替更昂貴的商品，從而支付更少的錢。為了檢測這種類型的欺詐行為，商店現在使用高性能攝像頭，將產品的掃描結果和重量與產品的預期質量進行比較。這些攝像頭相對便宜，但卻能產生大量的數據。通過將計算移動到邊緣，可以立即分析數據。這意味著商店可以實時檢測欺詐行為，而不是在“顧客”離開之后。

2. 食品生產監控

而今，一個制造工廠可以在制造過程的每個步驟都配備幾十個攝像頭和傳感器。實時分析和AI驅動的推理可以在幾毫秒甚至幾微秒內揭示出是否存在錯誤或過程偏離。也許攝像頭會顯示配料過多。借助攝像頭和實時分析，生產線可以調整以停止漂移，甚至在需要維修時停止，而不會造成災難性的損失。

3. AI驅動的醫療保健邊緣計算

在醫療保健領域，紅外和X射線相機一直在改變游戲規則，因為它們提供高分辨率，并迅速向技術人員和醫生提供圖像。憑借如此高的分辨率，AI現在可以在醫生確認之前過濾、評估和診斷異常情況。通過部署AI驅動的邊緣計算，醫生可以節省時間，因為他們不需要將數據發送到云端來獲得診斷。故此，腫瘤學家在查看患者是否患有肺癌時，可以對患者的肺部圖像應用實時AI過濾器，以獲得快速準確的診斷，并大大減少患者等待答復的焦慮。

4. 由分析驅動的無人駕駛汽車

無人駕駛汽車之所以成為可能，是因為相對便宜和可用的攝像頭提供了360度的立體視覺。分析還可以實現精確的圖像識別，故此計算機可以識別出風滾草和鄰居的貓之間的區別，并決定是否該剎車或繞過障礙物以確保安全。。高性能GPU和CPU的可承受性、可用性和小型化，使實時模式識別和矢量規劃成為無人駕駛汽車的駕駛智能。無人駕駛汽車要想成功，就必須擁有足夠的數據和處理能力，以足夠快的速度做出智能決策，并采取糾正措施。現在，只有借助當今的邊緣技術才有可能實現。

5. 實踐中的分布式架構

當在邊緣部署極其強大的計算時，企業可以更好地優化運營，而不用擔心延遲或失去與云的連接。現在所有的東西都分布在邊緣位置，故此可以實時解決問題，并且只有零星的連接。

自第一波邊緣技術浪潮以來，我們已經取得了長足的進步。考慮到邊緣技術的進步，企業現在正以更全面的視角看待自己的運營。現今的邊緣技術不僅幫助企業提高利潤，事實上，還幫助降低風險，改善產品、服務和用戶體驗。?